数据中台

一、数据中台的第一性原理

1. 数据中台解决的不是“数据问题”，而是“组织问题”

在规模化组织中，数据问题的表象包括：

但其根因并非技术能力不足，而是：

数据作为资产，缺乏统一的生产、治理与分发机制

数据中台的本质目标是：

通过制度化、工程化的方式，将数据从“项目产物”转化为“可复用资产”

2. 两条不可动摇的公理（Architecture Axioms）

公理一：数据唯一性原则（OneData）

这是控制成本、保证一致性的前提

公理二：消费解耦原则（OneService）

这是提升复用性、降低变更风险的前提

二、数据中台的系统架构抽象

1. 总体系统模型

从系统论视角，数据中台是一个三层结构：

┌─────────────┐│   数据服务层   │  → 数据如何被使用├─────────────┤│   数据治理层   │  → 数据如何被信任├─────────────┤│   数据资产层   │  → 数据如何被生产└─────────────┘

2. 各层核心职责

（1）数据资产层：定义“有什么数据”

目标不是“跑数据”，而是：

形成稳定、可复用的数据结构资产

（2）数据治理层：保证“数据是否可信”

治理的本质不是控制，而是：

构建持续反馈系统，使问题可被发现、被修正

（3）数据服务层：决定“数据如何被消费”

核心目标：

将数据消费从“直接依赖存储”升级为“依赖语义契约”

三、数据资产的核心构成

1. 元数据：数据资产的“说明书”

元数据不是附属能力，而是中台的基础设施。

其核心类型包括：

基于元数据，可以构建：

数据地图 —— 数据资产的全局视图

这是非技术人员自助取数的前提条件。

2. 指标体系：业务事实的统一语言

指标的本质

指标不是字段，而是对业务事实的度量表达

混乱的指标体系，本质是业务认知不统一。

指标的结构化抽象

业务线  └─ 主题域      └─ 业务过程          ├─ 原子指标          └─ 派生指标

指标治理的权责模型

中台负责“定义正确性”，业务负责“使用合理性”

3. 数据模型：数据资产的结构形态

好模型的衡量标准

建模的核心原则

四、数据治理的核心机制

1. 数据质量：从“校验”到“度量”

质量问题来源于：

质量治理应关注：

2. 成本治理：让数据具备“经济约束”

数据的最大浪费不是算错，而是：

没人用，却一直在算

核心手段包括：

五、数据服务化：数据中台的“唯一出口”

1. 为什么必须服务化

如果没有统一服务出口：

2. 数据服务的能力模型

3. 服务执行模型抽象

服务接收的是“语义查询”，而非物理表访问

通过逻辑模型与物理模型的映射，实现：

六、数据应用的演进路径

阶段核心特征
初级报表与人工分析
中级监控、诊断、辅助决策
高级自助分析与自动决策

数据中台的成熟度，最终体现在：

是否降低了每一次数据决策的边际成本

七、研发与协作：数据是一项长期工程

1. 数据研发的完整闭环

2. 组织协作的关键原则

关联内容（自动生成）